NVIDIA har introducerat Ising, en samling av öppna artificiell intelligens-modeller som företaget beskriver som världens första designade för att påskynda vägen mot användbara kvantdatorer. Släppt den 23 juni 2026 riktar modellerna sig mot två av de mest envisa problemen som står mellan dagens experimentella kvanthårdvara och praktiska beräkningar: kvantfelskorrigering och qubit-kalibrering.
Lanseringen signalerar NVIDIAs övertygelse om att klassisk AI, som körs på de grafikprocessorer som den redan dominerar, kommer att fungera som den bindväv som gör kvantmaskiner livskraftiga. NVIDIAs vd Jensen Huang har formulerat förhållandet rakt av och beskrivit AI som kvantmaskinernas "kontrollplan". For more context on this story, see our ongoing artificial intelligence updates.
AI som Quantum Control Plane
Kvantdatorer har löftet att lösa vissa problem, såsom molekylär simulering och kryptografi, mycket snabbare än klassiska maskiner. Men dagens kvantprocessorer förblir bullriga och felbenägna. Qubits, de grundläggande enheterna för kvantinformation, förlorar sina känsliga kvanttillstånd inom bråkdelar av en sekund, och för att hålla dem stabila krävs konstant, exakt kalibrering.
Det är där NVIDIA ser en öppning. Istället för att konkurrera om att själva bygga kvantprocessorer, positionerar företaget sin AI-mjukvara och GPU-infrastruktur som det lager som hanterar, stabiliserar och korrigerar beteendet hos kvanthårdvara byggd av andra. Ising-modellerna är avsedda att hjälpa forskare och hårdvarutillverkare att tillämpa maskininlärning för att upptäcka och korrigera fel och för att ställa in qubits mer effektivt.
Genom att släppa modellerna som öppna vikter uppmuntrar NVIDIA det bredare kvantforskarsamhället att anta, studera och förbättra dem, en strategi som speglar den öppna viktmetoden som har omformat språkmodelllandskapet.
Quantum Error Correction möter maskininlärning
Kvantfelskorrigering är fältets centrala tekniska utmaning. Eftersom kvanttillstånd kollapsar när de observeras direkt måste forskare använda indirekta metoder för att upptäcka och åtgärda fel utan att förstöra informationen de försöker skydda. Konventionella felkorrigeringstekniker kräver enorma overhead, med många fysiska qubits som behövs för att bilda en enda tillförlitlig eller logisk qubit.
Maskininlärning erbjuder en potentiell genväg. AI-modeller kan lära sig att känna igen mönster av fel och förutsäga korrigeringar från data, vilket potentiellt kan minska overheaden och latensen för traditionella avkodningsalgoritmer. NVIDIAs Ising-modeller är byggda för att fungera i denna lucka och tillämpar utbildade neurala nätverk på felkorrigerings- och kalibreringsuppgifter som för närvarande tar avsevärd tid och beräkning på kvantsystem.
Tidiga verkliga resultat
Löftet testas redan i riktig hårdvara. Fotoniska kvantberäkningsföretag Aegiq meddelade att de distribuerade NVIDIAs Ising AI-modeller för att automatisera kalibrering av sitt fotoniska kvantsystem, med rapporterade resultat att AI minskade kalibreringstiden med en faktor tre jämfört med tidigare metoder.
För ett område där timmar av manuell inställning är rutin, är den typen av minskning betydande. Snabbare, AI-driven kalibrering kan låta kvanthårdvaruteam lägga mer tid på att köra användbara beräkningar och mindre tid på att helt enkelt hålla sina maskiner stabila. Aegiq kombinerade också det NVIDIA-accelererade tillvägagångssättet med tensornätverksmetoder för storskalig vätskesimulering, vilket pekar på en hybridmodell där AI och kvantinspirerade tekniker fungerar vid sidan av varandra.
En bredare satsning på AI för vetenskap
Lanseringen av Ising är en del av en bredare NVIDIA-satsning på vetenskaplig datoranvändning som presenterades under samma period. På ISC supercomputing-konferensen introducerade företaget nya mjukvarubibliotek som syftar till kemi, materialupptäckt och till och med sökandet efter mörk materia, tillsammans med tillkännagivanden om att dess teknologi nu driver över 400 av världens 500 snabbaste superdatorer.
NVIDIA presenterade också nya AI-agentverktyg för biovetenskap och lyfte fram partnerskap med nationella laboratorier som bygger superdatorer utrustade med de senaste CPU:erna. Den röda tråden är en övertygelse om att AI-modeller, allt mer kapabla och allt öppnare, kan fungera som allmänna acceleratorer över de svåraste problemen inom vetenskapen, från läkemedelsupptäckt till kvantfysik.
Kvantaktier reagerar
Marknaden reagerade snabbt på beskedet. Kvantberäkningsföretagens andelar steg kraftigt efter NVIDIAs debut av Ising-modellerna, med kvantfokuserade aktier inklusive D-Wave Quantum (QBTS), Rigetti Computing (RGTI) och Quantum Computing Inc. (QUBT) som alla visade betydande uppgångar. Investerare tolkade NVIDIAs stöd och dess öppna AI-verktyg som en validering av att kvantsektorn närmar sig kommersiell relevans.
Rallyt understryker hur nära kopplat känslorna kring kvantberäkning har blivit till den bredare AI-boomen. När det ledande GPU-företaget släpper modeller som uttryckligen utformats för att göra kvanthårdvara mer praktisk, omformar det kvantummet inte som en avlägsen rival till klassisk datoranvändning utan som en intilliggande gräns som AI kommer att hjälpa tämja.
Varför öppna vikter är viktiga här
NVIDIA:s beslut att släppa Ising-modellerna som öppna vikter är anmärkningsvärt eftersom kvantfelskorrigering är ett område där framstegen traditionellt har stoppats i enskilda hårdvaruföretag och akademiska labb. Öppna modeller sänker barriären för forskare utan tillgång till proprietära avkodare för att experimentera med AI-assisterad korrigering.
Om det öppna förhållningssättet får fäste kan det påskynda den typ av samarbetande framsteg mellan institutioner som drivit stora språkmodeller framåt. Forskare kan finjustera modellerna på data från sin egen hårdvara, dela förbättringar och bygga en gemensam verktygslåda istället för att återuppfinna kalibrerings- och korrigeringsprogramvara för varje ny kvantplattform.
Vägen till användbar kvantberäkning
Kvantberäkningar har tillbringat år i ett tillstånd av försiktig optimism, där forskare upprepade gånger varnat för att feltoleranta, i stort sett användbara maskiner fortfarande är år borta. NVIDIA hävdar inte att Ising löser det problemet direkt. Istället satsar företaget på att AI kan komprimera tidslinjen genom att ta bort de tekniska flaskhalsarna, en kalibreringscykel och ett korrigerat fel åt gången.
Huruvida den satsningen lönar sig beror på hur effektivt forskarvärlden tar till sig modellerna och hur mycket verkliga prestanda de levererar utöver de tidiga Aegiq-resultaten. Men med Ising har NVIDIA dragit en tydlig linje: framtiden för användbar kvantdator, enligt dess uppfattning, kommer att bygga på en grund av AI.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
